Examining media's coverage of COVID-19 vaccines and social media sentiments on vaccine manufacturers' stock prices.
檢視媒體對 COVID-19 疫苗的報導及社交媒體對疫苗製造商股價的情緒。 Front Public Health 2024-08-28

這項研究探討主流媒體在Facebook上對COVID-19疫苗的報導，及其與主要疫苗製造商股票表現的關聯。分析了2020年1月至2021年12月的貼文，並使用結構主題模型找出十個關鍵主題，如疫苗試驗和政治化。雖然某些Facebook反應（如「Haha」和「Angry」）與股價波動有關，但情感反應對交易量的影響不大。研究顯示社交媒體情緒與金融市場之間的複雜互動，並建議未來可用大型語言模型進行更深入的分析。 PubMed DOI

Public Health Discussions on Social Media: Evaluating Automated Sentiment Analysis Methods.
社交媒體上公共衛生討論：評估自動情感分析方法。 JMIR Form Res 2025-01-08

這項研究比較了多種情感分析方法，包括手動編碼、自然語言處理工具（VADER、TEXT2DATA、LIWC-22）和ChatGPT 4.0，針對有關鴉片類藥物危機的YouTube評論進行分析。研究發現，LIWC-22在估算負面情感方面表現優異，而VADER在分類負面評論上最佳。自然語言處理工具與手動編碼的一致性一般，ChatGPT 4.0表現較差。建議使用VADER和LIWC-22來分析不平衡數據集，特別是負面情緒的情況下。 PubMed DOI

Understanding Citizens' Response to Social Activities on Twitter in US Metropolises During the COVID-19 Recovery Phase Using a Fine-Tuned Large Language Model: Application of AI.
理解美國大都市在 COVID-19 復甦階段對社交活動的公民反應：使用微調的大型語言模型的 AI 應用。 J Med Internet Res 2025-02-11

這項研究調查了美國紐約、洛杉磯和芝加哥居民在 COVID-19 疫情過渡期間的情感變化。研究分析了超過 119,000 條 Twitter 帖子，發現情感水平與確診數有顯著相關，紐約市的相關性最高（0.89），芝加哥中等（0.65），洛杉磯較低（0.39）。隨著疫情減退，與 COVID-19 相關的詞彙逐漸被其他詞彙取代，顯示對限制措施的關注度下降。整體來看，疫情接近尾聲時，對限制措施的負面情感減少，突顯了疫情對城市居民的社會心理影響。 PubMed DOI

Understanding Human Papillomavirus Vaccination Hesitancy in Japan Using Social Media: Content Analysis.
利用社交媒體理解日本人對人類乳突病毒疫苗接種的猶豫：內容分析。 J Med Internet Res 2025-02-11

這項研究探討了日本在2022年重新推廣後，HPV疫苗接種率仍然低迷的原因，特別是社交媒體上公眾的態度。研究發現，錯誤資訊、自滿情緒和可及性問題是影響接種的關鍵因素。透過分析2011至2021年的推文，研究顯示公眾情緒在特定年份有顯著變化，與健康事件和政策變動相關。研究強調針對疫苗猶豫的公共衛生干預必要性，並指出大型語言模型在理解公共衛生態度方面的潛力，為未來提升疫苗接種率提供參考。 PubMed DOI

Leveraging Large Language Models for Infectious Disease Surveillance-Using a Web Service for Monitoring COVID-19 Patterns From Self-Reporting Tweets: Content Analysis.
利用大型語言模型進行傳染病監測 - 使用網路服務監控自我報告推文中的 COVID-19 模式：內容分析。 J Med Internet Res 2025-02-20

新型SARS-CoV-2變異株及後COVID-19症狀仍影響許多人生活。由於約翰霍普金斯大學等機構不再每日報告確診病例，準確評估感染範圍變得困難。為此，我們開發了一個公開的COVID-19推文數據庫，專注於自我報告的病例及其症狀。我們收集了730萬條推文，發現常見症狀包括無精打采和幻覺，且再感染情況普遍。康復時間也顯著縮短，從2020年的約30天減少到2023年的約12天。這些數據對於持續追蹤COVID-19及提供見解至關重要。 PubMed DOI

Probing Public Perceptions of Antidepressants on Social Media: Mixed Methods Study.
探討社交媒體上對抗憂鬱症藥物的公共認知：混合方法研究。 JMIR Form Res 2025-02-26

這項研究強調了解患者使用抗憂鬱藥物的經驗對提升依從性及以患者為中心的照護的重要性。患者的不依從性常因副作用、依賴性及對藥物效果的懷疑而影響。透過分析AskaPatient和Reddit等平台的討論，發現59.3%的對話表達中立情感，38.4%為負面情緒，主要是恐懼和悲傷。討論中「心理健康與人際關係」最常被提及，顯示對心理健康的關注。這些見解可協助醫療提供者制定個人化治療策略，提升患者滿意度及依從性，達到更具同理心的照護。 PubMed DOI

Enhancing Relation Extraction for COVID-19 Vaccine Shot-Adverse Event Associations with Large Language Models.
利用大型語言模型增強 COVID-19 疫苗接種與不良事件之間的關係提取。 Res Sq 2025-04-01

這項研究探討COVID-19疫苗與不良事件的關聯，數據來自疫苗不良事件報告系統（VAERS）及社交媒體如Twitter和Reddit。分析了771對關聯，識別不同疫苗接種後的不良事件模式。使用了先進模型如GPT-3.5、GPT-4等進行關聯提取，並透過後處理規則精煉結果。經微調的GPT-3.5達到0.94的精確度和1的召回率。主要疫苗接種後常見的不良事件有手臂酸痛、疲勞和頭痛，而加強針則報告了更多不良事件，顯示大型語言模型在疫苗安全監測中的潛力。 PubMed DOI

Mining Social Media Data for Influenza Vaccine Effectiveness Using a Large Language Model and Chain-of-Thought Prompting.
利用大型語言模型和思維鏈提示挖掘社交媒體數據以評估流感疫苗的有效性。 medRxiv 2025-04-08

流感疫苗效果（VE）的估算對公共健康非常重要，能幫助評估疫苗接種的影響並指導政策調整。不過，目前的估算方法面臨人口代表性不足、選擇偏差和報告延遲等挑戰。我們建議結合大型語言模型（LLMs）和少量示例的思考鏈（CoT）提示，分析社交媒體數據以進行即時VE估算。研究顯示，透過標註4,000多條推文，我們的提示策略在識別疫苗接種狀態和測試結果方面表現優異，為即時監測提供了有效工具，補充了現有流行病學方法。 PubMed DOI

A comparative analysis of CDC and AI-generated health information using computer-aided text analysis.
使用計算機輔助文本分析的CDC與AI生成健康資訊的比較分析。 J Commun Healthc 2025-04-14

這項研究探討AI生成的健康資訊與CDC提供的資訊差異，重點在情感、可讀性和品質。透過語言期待理論，分析了不同來源內容對可信度的影響。比較了CDC和ChatGPT 3.5各20條資訊，並進行品質評估。主要發現包括： 1. **情感**：ChatGPT的內容較多負面情感，常出現憤怒、悲傷和厭惡的詞彙。 2. **可讀性**：CDC的訊息更易讀，ChatGPT則需較高閱讀年級。 3. **品質**：CDC的資訊在品質評估中得分較高，顯示更可靠。研究強調公共衛生專業人員需教育大眾理解AI生成健康資訊的複雜性，並建議健康素養計畫應涵蓋這類內容的品質與可讀性討論。 PubMed DOI

The use of trigger warnings on social media: a text analysis study of X.
社群媒體上觸發警告（trigger warnings）的使用：X 平台的文本分析研究 PLoS One 2025-04-30

這項研究發現，X（前稱 Twitter）上雖然越來越多人在不同主題加上觸發警告，但大部分可能引起不適的內容還是沒被標註。這代表大家對敏感議題的意識有提升，但還有很多貼文沒被提醒，顯示警告使用仍不普及。 PubMed DOI

原始文章

站上相關主題文章列表